RapidMACS: MACS3-identical peak calling, 50x faster

In de microscopische wereld binnen onze cellen zweeft het DNA dat onze genetische instructies bevat niet vrij rond; het is strak gewonden om eiwitspoelen, waardoor een dichte structuur ontstaat die zorgvuldig beheerd moet worden. Om specifieke genen te kunnen lezen of om te begrijpen hoe cellen beslissen welke delen van hun genetische code ze gebruiken, moeten wetenschappers precies weten waar dit DNA toegankelijk is en waar het strak verpakt is. Een veelgebruikte manier om deze toegankelijke regio's te vinden, is door het DNA te behandelen met enzymen die alleen de losse, open delen doorknippen, terwijl de strak gewonden secties intact blijven. Door in kaart te brengen waar deze knipjes plaatsvinden, kunnen onderzoekers de actieve gebieden van het genoom aanwijzen. Dit proces genereert enorme hoeveelheden data, die vervolgens geanalyseerd moeten worden om de specifieke locaties van belang te identificeren. Deze analysepapier, bekend als 'peak calling', werkt als een filter dat miljoenen datapunten doorzoekt om de precieze plekken te vinden waar het signaal sterk genoeg is om betekenisvol te zijn. Jarenlang was een veelgebruikte tool genaamd MACS3 de standaard voor deze taak, in staat om veel verschillende soorten experimenten en dataformaten aan te kunnen. Echter, naarmate het volume aan biologische data is geëxplodeerd, is de tijd die nodig is om deze analyses uit te voeren een significante flessenhals geworden, wat het tempo van ontdekkingen in velden variërend van de basisbiologie tot medisch onderzoek vertraagt.

Een team van onderzoekers heeft nu een nieuwe tool geïntroduceerd genaamd RapidMACS, ontworpen om dit snelheidsprobleem op te lossen zonder in te boeten op nauwkeurigheid. Hoewel de bestaande MACS3-toolkit krachtig en veelzijdig is en een breed scala aan experimentele condities kan aan, hebben veel moderne studies, met name die die de open chromatine in enkelvoudige cellen in kaart brengen, slechts één specifieke functie nodig: het vinden van smalle pieken van activiteit. De onderzoekers realiseerden zich dat het gebruik van een enorme, multifunctionele machine voor één enkele, eenvoudige taak inefficiënt was. Ze zetten zich het doel om een gespecialiseerde tool te bouwen die precies deze ene taak kon uitvoeren, maar dan met veel grotere snelheid. Het resultaat is een programma dat de data verwerkt in één enkele, gestroomlijnde passage, waarbij het voorkomen wordt dat de gehele dataset globaal gesorteerd moet worden of dat er tijdelijke bestanden op een harde schijf worden aangemaakt. In plaats daarvan houdt het de noodzakelijke informatie in het geheugen van de computer en verwerkt het verschillende secties van het genoom tegelijkertijd. Deze aanpak stelt de software in staat om de data veel sneller te verwerken dan de vorige standaard.

De prestaties van deze nieuwe tool werden getest bij verschillende typen biologische experimenten, waaronder die welke open DNA in enkelvoudige cellen, bulkweefselmonsters en specifieke eiwit-DNA-interacties in kaart brengen. In deze tests bleek RapidMACS tussen de 3,5 en 51 keer sneller te zijn dan de vorige versie van MACS3, afhankelijk van het specifieke experiment en het aantal computerprocessoren dat werd gebruikt. Misschien wel het belangrijkste is dat de onderzoekers ontdekten dat de output van RapidMACS byte-identiek is aan de output van MACS3. Dit betekent dat elke enkele getal en locatie die door de nieuwe tool wordt gerapporteerd, exact overeenkomt met de oude tool, tot aan de laatste decimaal. Omdat de resultaten identiek zijn, kunnen wetenschappers overstappen naar de snellere tool met de absolute zekerheid dat hun verdere analyse niet zal veranderen. De snelheidswinst komt niet door het gebruik van een andere programmeertaal, maar door een slimmere manier van het organiseren van de berekeningen, waardoor de software stappen kan overslaan die de oudere tool gedwongen was te nemen.

Deze nieuwe software is nu beschikbaar voor iedereen om te gebruiken, aangeboden als een standalone programma dat direct kan worden uitgevoerd of als een component die in grotere analysepipelines kan worden ingebouwd. Het is geschreven om lichtgewicht te zijn, waarbij het alleen vertrouwt op essentiële bibliotheken voor het lezen van biologische databestanden, en het vereist geen complexe runtime-omgevingen om te functioneren. Door het verwijderen van de tijd die verloren gaat aan repetitieve gegevensverwerking, stelt RapidMACS onderzoekers in staat om minder tijd te besteden aan het wachten tot computers hun werk hebben voltooid en meer tijd aan het interpreteren van de biologische verhalen die in de data verborgen liggen. De tool vertegenwoordigt een praktische verfijning in het wetenschappelijke instrumentarium, waarbij bewezen wordt dat zelfs in een veld dat wordt gedreven door complexe algoritmen, efficiëntie kan worden verkregen door de weg naar het antwoord te vereenvoudigen.